YOLOv4-tiny算法的融合模块在卷烟小包外观缺失检测中的应用
Acta Tabacaria Sinica(2022)
Abstract
卷烟烟包外包装图案缺失检测是卷烟生产中的重要环节,目前常用的图案缺失检测方法普遍存在漏检率高、识别精度不够和速度慢等问题.因此本文提出了一种基于YOLOv4-tiny的烟包缺陷快速检测方法.该方法主要包括:(1)使用CSPDarknet53-tiny对图像特征进行提取.(2)通过添加多空间空洞卷积融合模块,获得丰富的上下文信息,增强感受野,从而提高模型的检测精度.(3)使用EIoU边框位置回归损失函数,提高烟盒图案识别预测框的精确率.本文方法与YOLOv4-tiny进行对比,实验结果表明,本文算法mAP值为97.35%,检测烟包外观的平均时间为17 ms,能够满足卷烟小包外观检测对时间和精确率的要求.相较于YOLOv4-tiny在mAP上提升了1.34%,在Average IoU上提升了3.68%,速度基本与YOLOv4-tiny持平,在保持快速检测的同时能够有效的提高精度.
MoreAI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined